بازاریابی، مقایسه نرخ پاسخ کمپین‌ها با یکدیگر Control Package Test

Control Package Test

با استفاده از این روش به مقایسه کمپین‌های بازاریابی با یکدیگر می‌پردازیم. هدف ما این است دریابیم آیا تفاوت قابل توجهی در اثربخشی (پاسخ‌های مثبت) کمپین‌ها و پیشنهادات با یکدیگر، وجود دارد یا خیر. این روش فرض می کند که افراد به طور تصادفی به هر گروه کمپین اختصاص داده شده‌اند. به عبارت دیگر، هیچ ویژگی جمعیت‌شناختی، سابقه خرید یا سایر ویژگی‌های خاص بر انتساب افراد به گروه‌های کمپین، تأثیر نمی‌گذارد و همه مشتریان دارای احتمال مساوی برای تخصیص به هر گروه هستند.

به عنوان مثال بخش بازاریابی یک شرکت می‌خواهد ببیند که آیا طراحی بسته جدید، پاسخ‌های مثبت بیشتری نسبت به بسته موجود ایجاد می‌کند یا خیر. بنابراین آنها یک ایمیل آزمایشی برای تعیین اینکه آیا بسته جدید، نرخ پاسخ مثبت بالاتری ایجاد می‌کند، ارسال می‌کنند. در این مطالعه پست آزمایشی شامل یک گروه کنترل است که بسته موجود را دریافت می‌کند و یک گروه آزمایشی که طرح بسته جدید را دریافت می‌کند. سپس نتایج برای دو گروه مقایسه می‌شود تا ببینیم آیا تفاوت معنی‌داری وجود دارد یا خیر. این کار با استفاده از تحلیل Control Package Test در نرم‌افزار SPSS انجام می‌شود.

ملاحظات داده‌ها

Prospect Profiles data considerations

هنگامی که می‌خواهیم به آنالیز Control Package Test در مطالعات مربوط به بازاریابی و Marketing بپردازیم، توجه به سطوح اندازه‌گیری و یا همان Measurement Level داده‌ها مهم است. در ادامه درباره آن صحبت می‌کنیم. در واقع تعیین این‌که Variable ما در کدام نوع از سطوح اندازه‌گیری قرار می‌گیرد، اهمیت بسیار دارد و بر روی نتایج به دست آمده تاثیر می‌گذارد.

برای توضیح بیشتر بیان می‌کنیم که داده‌ها در سه سطح اندازه‌گیری به ترتیب زیر قرار می‌گیرند.

اسمی Nominal.

زمانی می‌توان یک Variable را اسمی تلقی کرد که مقادیر آن، دسته‌هایی را بدون رتبه‌بندی نشان دهند (مثلاً بخش شرکتی که یک کارمند در آن کار می‌کند). نمونه‌هایی از کمیت اسمی مانند منطقه، کدپستی و وابستگی مذهبی است.

رتبه‌ای Ordinal.

زمانی می‌توان یک Variable را رتبه‌ای در نظر گرفت که مقادیر آن، دسته‌هایی را با رتبه‌بندی نشان دهند (به عنوان مثال، سطوح رضایت از خدمات از بسیار ناراضی تا بسیار راضی). نمونه‌هایی از کمیت‌های ترتیبی شامل نمرات نگرش است که نشان‌دهنده درجه رضایت یا اعتماد و امتیازات رتبه‌بندی ترجیح است.

پیوسته Continuous.

یک Variable زمانی می‌تواند به عنوان پیوسته (مستمر) در نظر گرفته شود که مقادیر آن اندازه‌هایی مرتب شده را با یک متریک معنی‌دار نشان دهند، به طوری که مقایسه فاصله بین اندازه‌ها مناسب و واقعی باشد. نمونه‌هایی از کمیت‌های پیوسته شامل سن بر حسب سال و درآمد به هزار دلار است.

نکته فیلد پاسخ باید گروه‌بندی و یا اصطلاحاً Categorical باشد. به این ترتیب یک گروه و مقدار نشان‌دهنده پاسخ‌های مثبت و هر مقدار دیگری به عنوان یک پاسخ منفی در نظر گرفته شود. چنانچه فیلد پاسخ یک مقدار پیوسته Scale مانند تعداد خریدها یا ارزش مالی خریدها را نشان دهد، باید یک فیلد جدید Categorical ایجاد کنید که دارای یک مقدار پاسخ مثبت و بقیه پاسخ‌های منفی، باشد.

مسیر تحلیل Control Package Test

مسیر انجام آنالیز Control Package Test در نرم‌افزار SPSS به صورت زیر است.

Analyze→ Direct Marketing (Choose Technique) → Compare effectiveness of campaigns (Control Package Test)

مسیر انجام تحلیل Control Package Test در نرم‌افزار SPSS

حال بیایید در ادامه به بیان مثالی در زمینه تحلیل مقایسه کمپین‌ها با یکدیگر، بپردازیم. فایل این مثال را می‌توانید از اینجا دریافت کنید.

مثال آنالیز مقایسه کمپین‌ها با یکدیگر

Example

بخش بازاریابی یک شرکت، بسته‌های تبلیغاتی برای تعدادی از مشتریان خود ارسال می کند. این بخش تصمیم می گیرد بر روی بسته های خود طراحی مجدد انجام داده و بار دیگر برای همان افراد این بسته های جدید را ارسال کند. هدف این است دریابیم آیا بسته های جدید، نرخ پاسخ (خرید) بالاتری به دست می‌آوردند؟ این کار با همان تحلیلی که در این متن درباره‌ی آن صحبت می‌کنیم یعنی تحلیل Control Package Test انجام می‌شود.

در تصویر زیر می‌توانید بخشی از داده‌ها را مشاهده کنید. ستون ControlPackage بیانگر نوع کمپین (کنترل یا آزمون) است. لازم به ذکر است که کمپین کنترل به معنای ارسال بسته‌های پستی به شکل سابق و کمپین آزمون به معنای ارسال بسته‌ها با طراحی و فرمت جدید است. به این نکته توجه کنید که ما همه کمپین‌ها اعم از آزمون یا کنترل را در یک ستون نوشته‌ایم.

ستون Responded نتایج پاسخ ( 1 پاسخ مثبت و صفر پاسخ منفی) را نشان می‌دهد. در واقع این ستون نتایج مربوط به همان کمپین‌های آزمون و کنترل است.

داده های مثال تحلیل Control Package Test

در این دیتا افرادی که کد 1 دارند به معنای این است که به پیشنهاد و Offer پاسخ داده و خرید کرده‌اند. افرادی نیز که دارای کد صفر هستند به Offer پاسخ نداده‌اند.

ما در این مثال به دنبال مقایسه نتایج کمپثین‌های موجود در ستون ControlPackage با یکدیگر و بر مبنای نتایج ستون Responded هستیم.

همان‌گونه که بالاتر گفتیم با استفاده از مسیر زیر، به انجام آنالیز نرخ پاسخ کدهای پستی در نرم‌افزار SPSS می‌پردازیم.

Analyze→ Direct Marketing (Choose Technique) → Compare effectiveness of campaigns (Control Package Test)

پس از رفتن به این مسیر، پنجره Control Package Test برای ما باز می‌شود.

تنظیمات نرم‌افزار

Prospect Profiles

در ادامه درباره‌ی تنظیمات پنجره Control Package Test جهت انجام تحلیل در نرم‌افزار SPSS و انتخاب گزینه‌ها صحبت می‌کنیم. این پنجره به چند بخش و کادرهای مختلفی تقسیم می‌شود. آن‌ها را در ادامه توضیح می‌دهیم.

کادر Field

در کادر Fields اسامی همه ستون‌ها و Variableهای مطالعه آمده است. در این کادر می‌توانید Measurement هر کدام از کمیت‌ها را مشاهده کنید. در بالاتر توضیح دادیم که سطح اندازه‌گیری یا همان Measure کمیت باید به درستی انتخاب شده باشد.

کادر Campaign Field

در کادر Campaign Fields همان ستون ControlPackage که نوع آزمون و یا کنترل بودن کمپین را بیان می‌کند، قرار می‌دهیم.

کادر Effectiveness Response Field

در این قیلد ستون Responded که نتایج پاسخ بسته‌ها را نشان می‌دهد، قرار می‌گیرد. فیلد پاسخ باید اسمی Nominal و یا رتبه‌ای Ordinal باشد. در این فیلد مشخص می‌شود چه افرادی به کمپین جدید، پاسخ مثبت داده و خرید کرده‌اند. معمولاً Response Field با کدهای صفر و یک به ازای هر فرد مشخص می‌شود. افراد دارای پاسخ مثبت کد یک هستند و افراد بدون پاسخ کد صفر در نظر گرفته می‌شوند.

اگر این فیلد دارای چندین کد باشد فقط یکی از آن‌ها به عنوان پاسخ مثبت بیان شده و بقیه پاسخ منفی در نظر گرفته می‌شوند.

همچنین اگر این فیلد شامل عددی است که تعداد یا مقدار خریدها را نشان می‌دهد، باید یک فیلد جدید دیگر ایجاد کنید که در آن با کدهای صفر و یک پاسخ‌های مثبت یا عدم پاسخ‌ها را مشخص کرده باشید.

کادر Effectiveness is defined as a

در این بخش گزینه Reply را انتخاب می‌کنیم. Positive reply value را نیز بر روی کد 1 که همان پاسخ مثبت است قرار می‌دهیم. در این کادر کشویی کدهای No و Yes دیده می‌شود. همان‌گونه که قبلاً نیز گفتیم در این کادر باید کد پاسخ مثبت قرار گیرد. بنابراین کد 1 یا همان Yes را انتخاب می‌کنیم.

هنگامی که نرم‌افزار به تحلیل داده‌ها می‌پردازد یک فیلد و ستون جدید به طور خودکار در انتهای فایل دیتا، ایجاد می‌شود که در آن 1 نشان‌دهنده پاسخ‌های مثبت و 0 نشان‌دهنده پاسخ‌های منفی است. در پنجره Control Package Test می‌توانید نام و برچسب پیش‌فرض را حذف کنید و نام دلخواه خود را بنویسید. البته به این نکته توجه کنید که نام‌ها باید با قوانین نامگذاری IBM® SPSS® Statistics مطابقت داشته باشند.

در تصویر زیر می‌توانید نحوه ورود Variable ها به نرم‌افزار SPSS و تنظیمات پنجره Control Package Test را مشاهده کنید.

نتایج تحلیل مقایسه کمپین‌ها

Control Package Test Analysis & Output

حال بیایید نتایج و خروجی‌های نرم‌افزار را به تفکیک بررسی کنیم. در ابتدا فایل دیتا را مشاهده کنید. در انتهای فایل ستون با نام Effectiveness_field_new اضافه شده است. تصویر زیر را ببینید.

ستون Effectiveness_field_new پس از تحلیل داده‌ها

تحلیل داده‌ها و مقایسه کمپین‌های آزمون و کنترل با یکدیگر، بر مبنای نتایج ستون Effectiveness_field_new انجام می‌شود. البته یافته‌های این ستون چیز خاص و جدیدی نیست. بلکه همان نتایج ستون Responded است که بار دیگر کدگزاری شده‌اند.

هنگامی که Run می‌کنیم، نتایج و خروجی‌های نرم‌افزار در پنجره Output به دست می‌آید. به فایل Output و خروجی‌های نرم‌افزار نگاه کنید. جدول زیر با نام Response Rate Comparison را می‌بینیم.

جدول بالا به مقایسه نرخ‌های پاسخ با یکدیگر می‌پردازد. این جدول نشان می‌دهد برای گروه کنترل که همان بسته‌های پستی قبل را دریافت می‌کردند، نرخ پاسخ (خرید) برابر با 3.8% است. با این حال نرخ پاسخ برای گروه آزمون که بسته‌های طراحی جدید را دریافت می‌کنند برابر با 6.2% به دست آمده است. این نتیجه نشان می‌دهد که شما باید از طرح بسته جدید به جای طرح قبلی استفاده کنید، اما ممکن است عوامل دیگری نیز وجود داشته باشد که باید در نظر بگیرید، مانند هر گونه هزینه اضافی مرتبط با طراحی بسته جدید.

متن نوشته شده در زیر جدول نیز بیان می‌کند که مقایسه نرخ پاسخ در بین گروه‌ها و کمپین‌های کنترل و آزمون، معنادار است. از آنجایی که در این نمونه ها تنها دو گروه وجود دارد، تنها یک مقایسه وجود دارد. اگر بیش از پنج گروه وجود داشته باشد، یافته‌ها و نتایج بیشتری به دست خواهد آمد.

سوال شاید با خودتان فکر کنید که نرم‌افزار از چه روش و تحلیل آماری جهت مقایسه کمپین‌ها با یکدیگر استفاده می‌کند؟

پاسخ بسیار ساده است. تحلیل کای اسکوئر Chi-Square. عدد مقدار احتمال آزمون نیز برابر با 0.021 به دست می‌آید (P-value = 0.021). می‌توانید خودتان امتحان کنید و به این نتیجه برسید.

در این مقاله ما روش تحلیل با نام Control Package Test که در تحلیل‌های بازاریابی و Marketing مورد استفاده قرار می‌گیرد را بیان کردیم. این تحلیل با استفاده از نرم‌افزار SPSS انجام می‌شود. در این روش به مقایسه نرخ پاسخ در بین کمپین‌های آزمون و کنترل پرداخته می‌شود و به ازای هر کمپین درصد موفقیت و نرخ پاسخ به دست می‌آید.

چگونه به این مقاله رفرنس دهیم

GraphPad Statistics (2022). Direct Marketing, Control Package Test using SPSS software. Statistical tutorials and software guides. Retrieved Month, Day, Year, from https://graphpad.ir/direct-marketing-spss-control-package-test/.php

For example, if you viewed this guide on 12^th January 2022, you would use the following reference

GraphPad Statistics (2022). Direct Marketing, Control Package Test using SPSS software. Statistical tutorials and software guides. Retrieved January, 12, 2022, from https://graphpad.ir/direct-marketing-spss-control-package-test/.php

ارایه خدمات تحلیل و مشاوره آماری

گراف پد برای شما خدمات مشاوره و انجام انواع تحلیل‌های آماری را ارایه می‌دهد. جهت دریافت نکات بیشتر بهتر است با ما تماس بگیرید.

سبد خرید